如何使用文本数据集训练模型

Question

我想创建一个生成文本的人工智能模型。具体来说，BDD Gherkin 黄瓜场景和基于用户故事输入的步骤定义。

BDD 小黄瓜示例的用户故事

例如。

用户故事（输入）：我想将产品添加到电子商务网站上的购物篮中以进行购买。

输出：自动创建测试用例场景和步骤定义 测试用例场景：

• 场景 1：验证用户可以将一件商品添加到购物车
• 场景 2：验证用户可以从购物车中删除一件商品

测试用例场景1：

• 假设用户使用 和 启动并登录电子商务应用程序
• 然后用户导航到项目页面。
• 用户选择并单击 .
• 用户单击“添加到购物车”按钮。
• 然后用户应该导航到购物车页面。
• 用户应在购物车页面中验证已成功添加。

测试用例场景2：

• 假设用户使用 和 启动并登录电子商务应用程序
• 然后用户应该导航到购物车页面。
• 用户在购物车中找到并单击“从购物车中删除”按钮。
• 然后用户应验证购物中的内容已成功删除。

我创建了一个示例数据集，其中包含映射到场景和步骤定义的用户故事。

数据集

根据我目前的理解，逻辑是：我想根据现有用户故事和场景的数据集来训练模型。模型训练完成后，我想输入一个用户故事，模型应该提出一个带有步骤定义的合适场景。

我是机器学习的新手，只做过某种形式的监督学习、回归。根据一些研究，我需要使用一些 NLP 技术来处理数据集。从那时起，我就很失落了。我看到有些人在谈论使用 ChatGPT 来训练数据集什么的。

做这个项目的好方法是什么。

本质上，我想了解如何使用文本训练模型，以便模型可以接收文本并输出文本。

Answer 1

根据我对您问题的阅读，您很可能不需要训练或调整自己的模型。大多数基础模型都应该在这方面做得很好。您所需要做的可能只是编写一个好的提示即可。向llm清楚地描述你的问题并给出一些好的/坏的例子。唯一的问题是，您是否想根据您的输入完全自动化测试用例生成。如果是这种情况，您将需要配置并进行 api 调用，而不是从 UI（例如 ChatGPT）进行操作。